Learning‐Challenged Youth Show an Abnormal Relationship Between Fronto‐Parietal Myelination and Mathematical Ability
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Differences in the microstructure of fronto-parietal white matter tracts have been associated with mathematical achievement. However, much of the supporting evidence relies on nonspecific diffusion-weighted magnetic resonance imaging, making it difficult to isolate the role of myelin in math ability. METHODS: We used myelin water imaging to measure brain myelin. We related myelin water fraction (MWF) to Woodcock-Johnson III (WJ-III) basic math scores using region of interest (ROI) and tract-based spatial statistics (TBSS) analyses, in 14 typically developing and 36 learning challenged youth aged 9-17 years. RESULTS: The ROI analysis found a positive relationship between fronto-parietal MWF and math in typically developing youth, but not in learning challenged youth. The relationship between fronto-parietal MWF and math observed in typically developing youth was fully mediated by age. No group differences in fronto-parietal MWF were found between typically developing and learning challenged youth. TBSS also found no group differences in MWF values. TBSS indicated math-MWF relationships extend beyond fronto-parietal tracts to descending and ascending projection tracts in typically developing youth. TBSS identified math-MWF relationships in the cerebral peduncles of learning challenged youth. CONCLUSIONS: Our results suggest that in typically developing youth, brain myelination contributes to individual differences in basic math achievement. In contrast, youth with learning challenges appear to have less capacity to leverage myelin to improve math achievement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».